【机器学习】【PageRank算法-3】数学点：马尔可夫链概念 +(右/左/双) 随机矩阵 + 不可约矩阵 + 素矩阵/[非]周期性矩阵

在证明PageRank算法时（n取+∞时Pn是否存在以及Pn值是否与初始值P0是否相关），需要用到马尔可夫链，随机矩阵、不可约矩阵，周期性矩阵等概念，下面加以mark。

1.马尔可夫链概念

1.1马尔科夫性质概念

如果x[n+1]对于过去状态的条件概率分布仅仅是x[n]的一个函数，这里x是过程中的某个状态，这个恒等式被看做马尔可夫性质：

                            

1.2马尔可夫链概念

时间和状态都是离散的马尔可夫过程称为马尔可夫链，记作。马尔可夫链是随机变量的一个数列。变量所有可能取值的集合，称为“状态空间”，而x[n]的值是在时间n的状态。

Markov Chain，马尔可夫链是满足马尔科夫性质的随机过程。数学中，Markov Chain是具有Markov性质的离散时间随机过程。此过程中，已知当前信息时，在当前之前的信息对预测当前以后的信息是无关的。即如果有Markov Chain={y1, y2, y3}，先后时间信息为：y1--->y2--->y3，已知y2时，无法由y1预测出来y3。

马尔可夫链，是满足下面两个假设的一种随机过程：

1.，即t+1时刻的状态只和t时刻的状态有关